联合人工智能

资金3星期前
By 安托万·塔迪夫

Neural Concept完成1亿美元C轮融资，并扩展AI原创工程设计平台

Neural Concept，一家总部位于洛桑、专注于重新思考复杂产品设计与工程方式的 AI 公司，宣布完成 1 亿美元 C 轮融资。本轮融资由 Goldman Sachs Alternatives 推出的 Groth Equity LinkedIn，现有投资者 Forestay Capital、Alven、HTGF、DE Shaw Ventures 以及 Aster Capital 跟投。此次轮融资融资带动了该公司的一个重要里程碑，其全球 AI 平台正在进行一些要求最严格的工业环境中扩展规模。Neural Concept作为瑞士洛桑联邦学院理工（EPFL）的衍生公司成立，其平台围绕一个简单而雄心勃勃的基础构建：工程AI应该像工程师一样已经依赖的工具，理解几何、物理和设计意图。该公司并不是将AI定位为一个外部分析层，而是将深度学习直接嵌入CA D和仿真工作流程中，使工程师能够在开发过程的更早期阶段就性能和约束条件进行考虑。将AI直接引入工程核心传统的工程工作流程通常需要以深化的迭代周期为特征。设计创建被、仿真、修改、再仿真——有时持续数月——关键问题才会浮现。概念方法旨在将这个时间线提前。通过使AI集成于CAD并基于物理的环境中，该平台允许团队在早期探索无效的设计空间，更早地识别权衡取舍，并减少可能打乱进度和布局的后期重新设计的可能性。这种模式在那些持续面临复杂性和上市时间压力的行业中引起了共鸣。先进、航空航天、能源和加速制造领域的组织正在利用汽车平台该产品开发，同该公司报告称，在过去18个月中，其企业收入增长了四倍，已有超过50家全球组织在生产工作流程中积极部署技术。新资金将用于加速产品开发——包括计划于2026年初发布生成式CAD功能——扩展全球市场推广团队，并综合与云基础设施、仿真软件和硬件加速领域的集成。从AI实验迈向规模化部署神经网络概念的增长反映了企业人工智能应用领域正在发生更广泛的转变。许多工业组织在过去几年中一直处于孤立的场景中试验机器学习。现在的变化是向可规模化部署的平台转变，这些平台能够跨团队和产品线使用，而无需工程师放弃现有的工具或流程。通过将自身定位为工程系统的智能层，神经网络概念正在顺应这一转变。其平台旨在集成而不取代，允许公司逐步将AI引入关键任务工作流程，同时仍能带来可渐进的影响。这种以企业为先的方法有助于将工程领域的AI从专题项目推进到日常决策中。AI崛起，成为团队工程的智能层神经概念的C轮融资也指向了工程本身如何转变的转型层次变革。AI不再单纯被评价为加速普遍任务；它正呼唤着整个产品生命周期中的决策方式。随着AI系统整合能够同时推理逻辑、物理和性能约束，它们开始作为一种持续的工程智能源发挥作用，而不是循环的优化工具。这种转变对团队的工作方式具有重要影响。工程师重塑管理重复性仿真和节点化工具链的工作，转向层次的选择——人工智能负责大规模的探索性计算，而人类则负责把握解释、风险和最终决策。随着时间的定义，这种模式可以压缩开发周期，减少材料浪费，并使得探索那些以前因复杂性或成本切而不实际的设计成为可能。更重要的是，此工程重新为人类专业知识与机器推理之间持续进行的对话定义了一系列互不关联的步骤。概念发展图表表明，AI驱动的工程正在从实验阶段迈向基础设施阶段。随着越来越多的组织采用AI不仅是为了优化工作流程，更是为了指导决策本身，这个智能层可能会像今天的CAD和仿真工具一样成长，成为工程团队的基础。

资金3星期前
By 安托万·塔迪夫

Codoxo获得3500万美元C轮融资，以生成式AI改变医疗支付缺陷

Codoxo 宣布完成由 CVS Health Ventures 领投的 3500 万美元 C 轮融资，这一里程碑突显了人们对人工智能作为解决医疗领域一些根深蒂固的低效问题的基础技术的信心渴望增强。在 Echo Health Ventures 的参与和现有投资者的持续支持下，此轮融资使 Codoxo 的总融资额超过 7500万美元，并为公司在全国健康需求加速增长的情况下进入阶段性的增长奠定了基础。融资的潜在指示。美国医疗支出每年已超过下一个5万亿美元，而欺诈、浪费和贫困仍然是持续性且代价高昂的盲点。付款方面临着不损害与提供者或增加困难的情况下的短缺压力。Codoxo 的方法直接回应了这种紧张局势，重新思考了如何处理支付缺陷以及何时进行干预。将支付威胁前移几十年来，支付缺陷计划主要是被动的。错误、超额支付或潜在欺诈是在报警支付后被识别出来的，引发审计、追回和后续的争议。虽然这些方法可以追回资金，但它们往往会产生对抗性动态，并增加一种显着的运营前沿。Codoxo正在推动不同的模式，称为零点支付核心时刻。该平台主要关注的不是支付后的资金追回，而是在拍照提交之前的首要可能进行干预。通过在上游应用先进的AI和生成AI方式...

资金3星期前
By 亚历克斯麦克法兰

Databricks的1340亿美元估值揭示了真正的AI资金流向

Databricks刚刚以1340亿美元的估值认购了40亿美元，使其成为美国最有价值的私人公司之一。本轮融资由Insight Partners领投，参与者包括Fidelity、JP Morgan Asset Management以及现有投资者如Andreessen Horowitz 和 BlackRock，这一估值比公司四个月前的 1000 亿美元增长了 34%。这些数字令人震惊，但真正的故事并不是估值本身，而是它告诉我们企业 AI 支出实际上流向何处。当消费者的注意力集中在 ChatGPT 时基础设施的作用和聊天机器人大战时，企业正在悄然地在使AI在大规模上实际运行的基础设施上启动目前数亿美元。Databricks的收入分配清楚地说明了这一点：公司现在的年收入为48亿美元，同比增长55%，其中超过700名客户每年支付超过100万美元特别值得注意的是，其中10亿美元的收入现在来自AI产品，与公司最初的数据实体业务分开，晚上也产生了10亿美元。企业正在将AI构建到其核心运营中，他们需要能够处理复杂性的平台。为什么基础设施公司正在探究Databricks的发展轨迹迹反映了我们在AI工具领域中看到铲子的模式：在淘金热中建造镐和的公司往往比矿工本身捕获更持久的价值。公司最近的产品发布就展示了这种策略。本月早些时候宣布的Lakebase是一个为AI应用程序优化的Postgres兼容数据库。Agent Bricks 提供了一个在企业规模上构建和部署 AI 代理的平台。Databricks Apps让组织能够快速在其数据基础设施之上构建内部工具。这不是一家将所有押注押在一个AI模型或方法上的公司。它是一家押注无论哪种模型试验，企业都需要强大的基础设施来部署它们的公司。合作战略Databricks的方法扩展非常务实。公司与Ope nAI和Anthropic都有合作伙伴关系，允许客户使用适合其需求的前沿模型，同时保持Databricks在其数据操作的中心地位。这与我们从其他参与者那里看到的垂直整合形成了对比。Databricks没有构建自己的前沿模型，而是将自己定性位为所有 AI 工作负载运行的中立地带。这是 AWS 在企业 AI 中的应用的战略。这对行业意味着什么 AI 模型公司与 AI 基础设施公司之间的估值差距正在缩小。这表明市场开始认识到构建优秀的 AI 模型只是方程式的一部分。让这些模型企业规模化在可靠地上运行，具有合理性当数据治理、安全性以及与现有系统的集成时，可能同样有价值。我们在像Cursor这样的编码AI数组公司中看到了类似的动态，即使在别人的模型之上构建，应用层也能获取显着的价值。Databricks在基础设施层面上做出了同样的赌注。IPO的问题CEO阿里Ghodsi 表示，Databricks 正在为潜在的 IPO 做准备，可能最早在 2026 年。公司一直在有条不紊地建立公共市场所需的情况：持续增长、明确的盈利路径和明确的收入来源。即将或接近其当前估值上市，这将是近年来最大的科技IPO之一，并验证了企业AI基础设施是一个代际机会的论点。更大的图景Databricks的融资轮最终是对企业AI准备情况的公投。投资者下注40亿美元，赌注40亿美元，是大型组织准备好系统地在其运营中部署AI。有证据支持这一假设。随着AI从实验项目转向生产工作负载，控制基础设施层的公司可能会获得大量消耗的价值。Databricks正将自己定位为该基础设施的默认值——模型无法得知、企业就绪，并为推进的AI部署所需的规模和构建。对于更广泛的AI行业来说，这是一个值得关注的信号。推动早期AI估值的淘金热现正成熟为更可持续的东西：认识到基础设施与智能同样重要。

资金3星期前
By 安托万·塔迪夫

Echo 完成 3500 万美元 A 轮融资，致力于云应用构建 AI 安全操作系统

Echo 是一家总部位于特拉维夫的数十家公司，致力于应用构建安全的 AI 重建平台。该公司宣布完成 3500 万美元的 A 轮融资，这是一个重要的里程碑。轮融资由 N47 领投，Notable Capital、Hyperwise Ventures 和 SentinelOne 参与投资。此次投资离开公司的最初种子轮融资仅数月之遥，反映了现代软件环境中对加固、无漏洞基础架构的需求增长。Echo 已经在为Varonis、EDB 和 UiPath 等企业保护生产工作负载，这对于一家成立尚不足一年的公司而言，是不同的市场吸引力。现代云架构中的隐藏缺陷大多数云镜像应用依赖于容器基础镜像——这些标准化的构建定义块了运行时、库和依赖项。这些镜像带来了速度和可移植性，但也背负着长期存在的安全负担。Echo 的研究表明，Python、Node.js、Go 和 Ruby Docker 等广泛使用的官方语言镜像通常包含超过 1,000 个已知漏洞。研究验证，超过 90% 的容器 CVE 背后镜像基础层，没有应用代码。这意味着组织在其开发人员贡献任何代码之前，就已经继承了一个巨大的攻击面。从源头消除漏洞Echo...

资金3星期前
By 安托万·塔迪夫

Mirelo 募集 4100 万美元种子轮融资，为视频、游戏及其他领域带来 AI 生成音效

总部柏林的 Mirelo 已募集了 4100 万美元的轮融资，旨在解决生成式媒体领域一个长期存在的盲点：声音。本轮融资由 Index Ventures 和 Andreessen Horowitz 共同领投，Atlantic.vc 和 TriplePoint Capital 参与投资，这突显出投资者增长的信心，即音频是 AI驱动创造力的下一个主要前沿领域。虽然人工智能已经迅速改变了文本、图像和视频的制作方式，但音频领域却一直滞后。音乐、音效和环境音的制作仍然需要大量人力，尽管它们对内容的感知方式有着巨大的影响，但却往往在添加创作过程的后期才被。Mirelo 的雄心是通过让高质量、能引起情感共鸣的声音效果同样容易生成，来改变这一现状。为何声音领域发展落后于声音在训练情感、张力和循环方面具有独特的能力。无论视觉效果如何，都很少让人感觉完整。然而，对于大多数创作者来说，添加音频仍然意味着在素材库中搜索、手动视觉效果，并在时间线上反复调整，直到一切感觉合适。随着视频创作的加速，这种不匹配更加明显。AI生成的视觉效果、短形式的社交媒体内容以及自适应媒体的游戏环境，其发展速度都超过了传统音频工作流程所能支持的范围。结果是，创作者在视觉上的想象力与他们实际能在声音上实现的效果之间，差距越来越大。Mirelo 的创始人认为，这种差距不是创意的热处理，而是工具的中断。为音频构建基础模型 Mirelo 于 2023 年成立今年，已开发出专门针对视频声音的自有基础模型。该公司重新利用语言模型或基于图像的系统，而是从一开始就关注于音频。用户可以上传一段视频，并在几个监护内获得与动作、时机屏幕和事件同步的音效。这种方法在没有大型动态内容变化的环境中尤其适用。AI生成的、个性化的视频社交信息流和现代视频游戏从能够实时适应的音频中枢。Mirelo的系统生成声音的速度快于实时，能够跟上即时变化的体验。该公司最近发布了 Mirelo...

资金1个月前
By 安托万·塔迪夫

Aether Biomachines 导电1500万美元新资金，推动AI设计蛋白质平台发展

Aether Biomachines 已额外募集了 1500 万美元资金，导出总资本达到 6400 万美元，公司正加速其设计蛋白质的使命，这些蛋白质能够执行传统上由大型化工厂处理的工业和环境任务。本轮融资由 Tribe Capital 领投，Natural Capital、Henkel Corporation、Resilience Reserve、Shrug Capital、4DX Ventures、Unless Partners 以及 Radicle Impact 参与，这将助力 Aether将其更多的科学突破转化为商业部署。以太并非依靠多年来鲜有现代化的化学基础设施和工艺，而是设计纳米级的生物机器——由人工智能设计的蛋白质，能够以原子级精度构建、重组或转化材料。这些蛋白质一个小型的重组器，能够完成具体需要高大规模、高成本且僵尸化的工业设施才能完成的工作。通过将其梯度的蛋白质功能模型与高通量机器人技术相结合，以太能够以传统化学工程无法比拟的速度和规模探索蛋白质性能。扩展AI工程材料该公司早期最引人注目的成功是创造了用于增材制造的先进聚合物添加剂。Aether的六款旗舰材料RapidPrint和 Ultra 3D已证明，与标准工业材料相比，3D打印部件的速度可提高十倍，同时打印部件的强度可提高一倍这一点。转变对速度、惯性流程和可靠性关键的行业——包括航天航空、国防和高性能制造——直接影响。更快的生产周期和更强的部件为更敏捷的供应链和响应更快的原型制作环境打开了大门，使行业能够从长达数月的流程转变为可在数天甚至数小时内完成的工作。以太...

资金1个月前
By 安托万·塔迪夫

Unlimited Industries 募集 1200 万美元种子轮融资，旨在打造 AI 驱动的建筑公司以构建美国的未来

Unlimited Industries 已获得 1200 万美元的种子轮融资，这家总部位于旧金山的种子公司站在了美国建筑业新时代的前沿。本轮融资由 Andreessen Horowitz 和 CIV 提供共同领投，其他投资者也加入其中，以支持该公司的使命：通过一种人工智能颠覆、垂直整合的模式，挑战对该行业的每一个根深蒂固的设想，从而改变大型基础设施的设计和建设方式。在全国范围内，基础设施投资正达到历史水平。能源项目、数据中心、先进制造和关关键矿产厂必须以几代人未见的速度和规模进行建设。然而，负责交付这些基础设施的体系仍然缓慢、分散且低效。本应动数月的项目经常耗数年，被静态的设计流程、工程与施工团队之间脱节的交接、以及奖励每年预防性的监督结构所拖累。业界认为，当前时刻需要一种根本不同的方法——一种围绕人工智能从头构建的方法。从第一性原理重建建筑业无限产业不是一家集成软件的传统建筑公司，也不是一家希望从外部影响建筑工作流程的软件公司。相反，它被构建为一家人工智能原始建筑公司——一家既设计又建造的公司，使用母公司平台来自动化和优化历史上任何大型项目中最慢的阶段之一：工程设计。该公司方法的核心是一个能够生成和评估事实万种可能设计配置的AI系统。该平台不再依赖运行数月手工绘制的单一蓝图，而是快速探索无数选项，识别出能优化成本、安全、路径许可、环境约束和长期性能的布局。其结果不仅是更快的设计，而且是更智能的设计——在施工开始前、变更成本最低且影响最大完成时。的垂直整合使之成为可能。通过将工程、AI开发和施工整合在屋檐下，该公司消除了困扰传统成本增加或变更单驱动模式的刺激错位问题。当设计和施工团队围绕结果保持一致时，迭代就变成了资产描述而不是其他。该公司将这种转变为像软件团队对待代码一样对待物理设施：持续改进、版本控制和优化的东西可以是一个联合创始人兼架构Alex Modon 亲身经历了建筑行业仍然如何分散。他拥有工程和背景创业，进入工业建筑领域时曾期待现代工作，但却发现工具过时、手动流程，并且存在对迭代流程的文化抵触。即使被认为对建筑的地区，项目麻烦的时间也远超应有。可能经历了无限的夯实了基础——不是对环氧树脂工作流程的边际改进，而是对基础设施建造方式的彻底。Modon与Tara Viswanathan和Jordan Stern联手，剪影在Rupa...

资金1个月前
By 安托万·塔迪夫

Minitap融资410万美元，旨在利用AI将移动开发速度提升10倍

今天，AI驱动的移动开发平台 Minitap 宣布已获得 410 万美元的轮融资。本轮融资由 Moxxie Ventures 和 Mercuri 共同领投，EWOR、Tekton Ventures、Amigos Venture Capital 以及六位独角兽创始人跟投。这一里程碑的到来，距离这家前公司的创始人来自——法国乡村的 23 岁青年——在全球 AI 控制移动设备的基准测试中取得重大突破仅月数距离，超越了包括 Google DeepMind 列出了领先的研究实验室团队。从法国乡村到行业顶尖的基准测试创新 Minitap 的创始团队 Nicolas Dehandschoewercker 和 Luc Mahoux‑Nakamura在法国勃艮第的一个小村庄Cosne-Cours-sur-Loire相识虽然出身平凡——一位曾就读于军事学校，另一位包装神童——彼此因编程的共同热情而结缘，并在成长岁月中一起刻苦学习。他们早期的实验包括在18岁时开发了一款拥有10万用户的移动应用程序。Nico在伦敦理工帝国学院攻读生物医学工程，并受DeepMind工作的启发进行AI研究，而Luc则通过构建整套无人机基础设施获得了实际的工程经验。随着时间的推移，他们的道路汇聚成一个共同的理想负：融合移动开发专业知识、可扩展设施基础知识以及AI的力量——这是任何传统研究实验室都无法比拟的。移动应用领域的主要瓶颈仍然设定于缓慢的开发周期。虽然Web开发人员可以利用AI工具在几天内发布功能，但移动团队通常要忍受长达六周的开发周期。移动开发的速度大约比Web开发慢10倍——这在移动使用主导互联网的时代是一个悖论。Minitap的诞生正是为了结合这种差距。有了开源框架和可扩展设备云基础设施的北极技术栈，Minitap使AI代理能够像人类开发者一样编写和测试代码控制真实的移动设备。他们的平台自动化编写了编写的移动代码、运行测试、诊断问题、修复错误和部署功能版本的过程——所有这些都只是最少的人力启动。在最初的40个月里，这家狐狸公司在广受认可的AI控制移植动设备基准测试AndroidWorld上攀升至全球第一，超越了来自DeepMind、字节跳动、微软研究院和阿里巴巴等顶级AI实验室的研究团队。在达到这一基准后，创始人将其整个解决方案开源，其GitHub仓库迅速增长至近1,900颗星，并与开发者社区分享了这一重大飞跃。意味着什么获得了短期资金后，Minitap加速产品开发和市场采用。消费级移动公司的工程团队已经在使用Minitap，以高达1倍的速度构建功能。该平台使团队增长能够在不依赖传统工程周期的计划情况下启动实验：产品经理描述一个功能并提供Figma设计，AI编写并测试代码，并在几小时内交付一个功能完整的 A/B 测试。从长时间来看，该团队设想了一个能够由主演主演的移动应用的未来。Minitap 旨在构建能够运行的实验、分析用户行为、生成假设、构建和部署变体、测量结果并进行迭代的基础设施——所有这些都需要人工干预。这一雄心反映了一个层次的转变：将移动开发从一个缓慢、依赖的密集开发人员的过程转变对于一个动态的、AI驱动的反馈限制循环。用AI构建移动开发的未来Minitap的种子轮融资和移动软件开发方式可能发生更广泛的变化。历史上，移动应用在开发速度和实验频率上一直落后于Web应用，具有创新和敏捷性。通过使AI代理与真实设备交互、编写代码、测试功能并自主发布更新，Minitap 有潜力实现移动开发的民主化。小型——甚至是独立创始人——都可以发布能够极速迭代的移动应用。大型产品团队每月可以运行相关个实验，而不是几个。除了行为加速发布周期，这种转变还可能逐渐走向移动产品的演进方式：应用程序能够根据真实用户个性化体验持续适应、改进并补充手动周期开发。对于更广泛的技术生态系统而言，这可能意味着一个新时代的到来，移动开发以速度、灵活和实验潜力开始接近现代Web开发。

资金1个月前
By 亚历克斯麦克法兰

Black Forest Labs以32.5亿美元估值买入3亿美元资金

Black Forest Labs于12月1日宣布完成3亿美元的B轮融资，这家德国人工智能公司的估值达到32.5亿美元，确立了其在生成式图像领域的领先地位。本轮融资由AMP和Salesforce Ventures领投，现有支持者Andreessen Horowitz、General Catalyst和Nvidia跟投。新的战略投资者Canva和Figma Ventures也加入其中，显示出设计平台本身的浓厚兴趣。此次投资使黑森林实验室的总融资额超过4.5亿美元，其中包括此前未公布的A轮融资。黑森林实验室...

资金1个月前
By 安托万·塔迪夫

Onton融资750万美元，旨在用人工智能创新购物体验

Onton，一家人工智能驱动的购物总额达到约1000万美元的公司，今天宣布获得了750万美元的新一轮融资额——这是其使命的一次新推动，旨在将典型的79天决策旅程至一天以内。这使得Onton的总融资额达到约1000万美元，坚定了其改变在线发现、评估和购买产品方式的雄心。 Onton的平台现在每月支持超过200万用户，帮助他们“理清复杂性，找到他们信任的产品，并立即做出自信的”。借助其神经符号人工智能驱动的搜索和灵感引擎，Onton旨在让购物体验变得像专家咨询一样明智——像询问朋友一样简单。一个迫切的严重问题：购物从未如此困难在线购物本应很容易。但实际上，许多消费者花费了数天甚至数周的时间，在不同的标签页面之间切换，阅读相互矛盾的评论，并怀疑什么是真正的好产品，什么只是营销炒作。随着产品目录膨胀、评论变得不一致或被整理，以及网站优先考虑SEO或广告收入而不是用户体验，这种动态变得更糟糕。根据该公司的数据，普通消费者现在平均需要大约 79 天才能最终实现购买——而且这个数字还在不断上升。Onton 正是为了解决这个问题而制定的。创始团队认为，现代购物的难题——复杂性、困惑、浪费时间——可以通过智能技术来消除。Onton 有何不同之处Onton的核心是一种新颖的神经符号人工智能架构——这是一种将符号推理与神经模型相结合的下一代引擎，能够提供更智能、更准确、更洞察的搜索和发现结果。Onton不依赖于简单的关键词匹配或过时的过滤器。相反，会从每次搜索中学习，完善其对产品数据和描述的内部理解，并呈现出反映购物者真正关心因素的结果：相关性、同类和信任度。用户可以通过熟悉的方式与Onton互动：可以使用语言搜索、上传图片或两者结合。Onton从整个网络提取数据，将产品列表自然汇总成统一、全面的边界——这意味着用户不再需要在十几个网站之间跳转来拼凑评论、规格、照片和价格比较。借助“想象”和“表面”等创意工具，Onton甚至允许用户勾画或可视化他们心目中的产品，然后立即看到匹配的真实、可购买的选项。据Onton称，这种方法产生的转化率比标准电子商务基准高出三倍，并且超过20%的用户群每周都会使用。为何这很重要——对Onton，也对电子商务的未来Onton此轮融资的意义显然超出了一家公司。数字商业经济正面临一系列结构性挑战：非格式化数据、爆炸式增长的产品目录、不一致的评论以及用户疲劳。许多传统的搜索引擎和电子商务工具从未被设计用于处理在线购物环境的规模、复杂性和计算价值。 Onton的方法——融合智能人工智能、数据聚合和洞察——可能会统一我们在线购物方式的新篇章。Onton承诺提供一种简化、以人为本的体验，而不是追逐购物零散的评论、切换过滤器或在多个网站之间进行比较。这可能会引起消费者的期望：人们不再满足于基本过滤器和关键词搜索，可能开始期望电子商务能够像一个有用的助手一样兼容。如果Onton成功地从家居装饰和家具产品、服装和电子产品等领域，它可能为每个产品类别的发现和购买方式设定新的标准。对于商家和专业人员来说，这可能意味着接触到更多准备购买的客户——而对于购物者来说，这意味着花费更少的时间犹豫不决，更多的时间自信购买。